一种融合PageRank和PersonalRank的多层个性化推荐算法

摘要

传统的推荐系统只能实现一种类型的实体推荐,为解决一次性进行多种类型实体即多层推荐的问题,提出一种融合PageRank和PersonalRank的多层个性化推荐算法。利用图数据模型中的顶点描述实体,边描述实体间关联关系的这种特性,在图中将用户作为第一层实体即起始点,而将用户的历史行为(如评论过的电影)作为第二层实体,根据第二层实体依次给用户推荐第三层、第四层直到第N层的实体列表。通过爬虫爬取豆瓣网电影获取数据集,实验结果表明该模型具有多层推荐的效果,并较PersonalRank算法有更高的准确率和召回率。